基于四阶偏微分方程平滑的图像分割新方法

在方向曲率模值描述图像平滑度的泛函基础上,推导出一种四阶偏微分方程(PDE)图像降噪模型,在有效降噪的同时,较好地保持了边缘。该方法处理结果为分段线性图像,且在目标边缘处梯度存在阶跃。利用降噪结果的这一特点,提出一种新测地线主动轮廓模型。实验表明,新模型不但稳定,轮廓提取能力强,而且收敛速度快。     

一种新的测地线主动轮廓图像分割方法

测地线主动轮廓模型是一种重要的图像分割方法,它对噪声图的分割效果很大程度上依赖于图像平滑的质量.为了使图像平滑和图像分割有机的结合起来,文中首先利用方向曲率模值提出描述图像平滑度的泛函,推导出一种四阶偏微分方程(PDE)图像降噪模型,它能在有效降噪的同时,保持良好的图像特征.该方法处理结果为分段线性图像,且在目标边缘处梯度存在阶跃.利用降噪结果的这一特点作为图像特征的描述函数,文中提出一种新的测地线主动轮廓(new geodesic active contour)模型.实验表明,新模型轮廓提取能力强、收敛速度快.以文中的降噪模型进行预处理,对基于区域的主动轮廓模型分割效果也有较大的提高.     

主曲线成分分析

广泛应用的第一主成分是对数据集的一维线性最优描述，主曲线是第一主成分的非线性推广。线性主成分分析是一种线性分析方法，而数据通常是非线性的。用线性方法分析非线性数据在分析能力上常常是受限的。为此在对线性主成分分析非线性数据研究的基础上，提出了一种新的非线性成分分析方法，即主曲线成分分析。该方法从数据本身出发进行非线性分析，强调非参数特性，能有效地建模非线性数据。实现主曲线成分分析时，采用了改进的神经网络建模方法，该建模方法以其较强的近似性能很好地表达了非线性关系。仿真实验结果表明，主曲线成分分析能很好地解决非线性主成分问题，应用前景广阔。     

基于DIS边缘检测和自适应边缘生长的图像分割方法

提出一种基于DIS(differenceinstrength)边缘检测和自适应边缘生长的图像分割方法.此方法是边缘检测、边缘生长、区域生长等分割技术的有机结合.通过DIS进行边缘检测,产生了比梯度算子、sobel算子等更完全的边缘信息.为了解决伪边缘及不连续点的问题,提出了自适应的边缘生长方法,较好地解决了该问题,连接了不连续边缘点,产生了边缘点集组成的闭合轮廓.通过进行区域生长,得到了最终的分割结果.实验表明,该分割方法都能获得很清晰可靠的分割效果,提供精确的目标轮廓线.     

一种新的基于高阶非线性扩散的图像平滑方法

该文首先基于方向曲率模值提出描述图像平滑度的泛函,并推导出新的高阶偏微分方程(PDE)图像降噪模型,在有效降噪的同时,能较好地保持特征．低阶非线性扩散方法处理结果是分段恒定图像,而文中方法得到的分段线性图像,视觉效果更加理想．与其它高阶方法相比,新方法具有理论和计算上的优势．其次,针对非线性扩散中出现的过度平滑现象,该文提出利用泄漏修补算子对偏微分方程进行补充,实验表明,泄漏修补机制对图中重要的、细微的特征有较好的保持作用．最后,文中还提出一种新的非线性扩散过程——复合扩散,以扩大方法的使用范围,提高其适应性．同以往的非线性扩散相比,复合扩散不但能自适应地调整扩散方向,而且可并行处理不同类型噪声．     

一种全局优化的水平集图像分割方法

该文对Chan—Vese提出的水平集图像分割算法进行了改进，提出了分段光滑的Mumford—Shah全局优化的水平集图像分割模型，并对偏微分方程进行了修正，以提高模型的图像分割能力。实验表明，该方法不但解决了C—V方法对于灰度值渐进图像无法正确分割的问题，同时可更精确地描述原图像，是一种高效、稳定的图像分割模型。另外，针对水平集方法中符号距离函数构造计算量大的问题，还提出一种全邻域源点扫描法，以便通过对图像平面网格点的扫描来实现距离函数的快速计算，这种方法不仅计算性能稳定，而且速度快、精度高。